有一张网上很火的漫画,左边写着"YES",画着一双精致的高跟鞋;右边写着"BUT",画着一双缠满创可贴的脚。你我看一眼就笑了,因为我们瞬间明白了那个因果链条:为了好看穿了高跟鞋,然后脚遭了罪。 但如果把这张图丢给一个当下最先进的 AI 视觉语言模型,让它解释"这张图为什么好笑",结果往往会很尴尬。它 本文链接